34

BAB III

Metodologi Penelitian

3.1 Ruang Lingkup Penelitian

Dalam suatu perekonomian negara dengan mengukur perkembangan dari

tahun ke tahun berikutnya yang disebut sebagai pertumbuhan ekonomi, faktor

kebijakan pemerintah sebagai pilihan dari kemampuan negara dalam

menghasilkan sebuah peraturan yang nantinya akan mempengaruhi pertumbuhan

ekonomi indonesia dan akan selalu mengalami perkembangan dan perubahan.

Dalam meningkatkan pertumbuhan ekonomi terdapat kebijakan dan langkah

langkah pemerintah untuk mempengaruhi pertumbuhan seperti adanya PDB serta

alat ukur kebijakan moneter seperti jumlah uang beredar dan penerimaan pajak

serta pengeluaran pemerintah yang sebagai alat ukur kebijakan fiskal di indonesia.

Dalam penelitian ini peneliti mengukur pertumbuhan ekonomi dari sisi kebijakan

moneter dan fiskal Indonesia dengan alat pengeluaran pemerintah, uang beredar

dan pajak serta sangat penting untuk mengamati seberapa besar pengaruhnya

terhadap pertumbuhan ekonomi Indonesia. Dan yang membuat peneliti ini tertarik

mengambil indonesia sebagai ruang lingkup penelitian adalah perumusan APBN

yang sebagai tolok ukur kebijakan fiskal yang dari tahun ke tahun mengalami

defisit serta Bank Indonesia yang rata rata per tahunnya mengeluarkan suku bunga

yang relatif tetap serta pengaruh keduanya terhadap pertumbuhan ekonomi

Indonesia.

35

3.2 Jenis dan Sifat Penelitian

Penelitian ini termasuk jenis penelitian deskriprif kuantitatif, penelitian jenis

ini berusaha untuk menggambarkan pengaruh hubungan antar variabel melalui uji

hipotesis. Adapun penelitian ini bersifat kuantitatif, yaitu data yang digunakan

dalam penelitian ini berupa angka angka atau besaran tertentu yang bersifat pasti,

sehingga data seperti ini memungkinkan untuk dianalisis menggunakan

pendekatan statistik (Hadi, 2006). Penelitian ini akan menggambarkan dan

menjelaskan variable independen yang terdiri dari variable kebijakan moneter dan

kebijakan fiskal yang meliputi jumlah uang beredar, penerimaan pajak dan

pengeluaran pemerintah terhadap variable dependen yaitu pertumbuhan ekonomi

indonesia diukur melalui Produk Domestik Bruto (PDB) yang di pengaruhi sektor

pemerintah dan swasta yang secara konsisten memberikan kontribusi untuk

meningkatkan perekonomian indonesia

3.3 Jenis dan Sumber Data

Dalam penelitian ini data bersumber dari berbagai instansi pemerintah yang

berhubungan dengan penelitian ini seperti Badan Pusat Statistik (BPS),

Departemen Keuangan, IMF (International Monetary Fund), Bank Indonesia (BI)

dan World Bank serta jurnal jurnal pendukung. Data yang dibutuhkan dalam

penelitian ini seperti PDB, Jumlah uang beredar, pengeluaran pemerintah dan

penerimaan pajak. Sebagai berikut data yang di gunakan sebagai penelitian :

36

1. Pengeluaran Pemerintah (2007: T1- 2018: T3)

2. Penerimaan Pajak Indonesia (2007: T1- 2018: T3)

3. Jumlah Uang Beredar (2007: T1- 2018: T3)

4. PDB ADHK (Produk Domestik Bruto Atas Dasar Konstan) (2007: T1- 2018:

T3)

3.4 Model Analisis

Untuk mengetahui pengaruh aspek moneter dan fiskal indonesia terhadap

(OLS) dan model persamaan partial PAM (Partial Adjustment Model)

dikarenakan terdapat data yang tidak stasioner pada tingkat level. Pertumbuhan

ekonomi indonesia sebagai variable dependent dengan proxy yaitu PDB (Produk

Domestik Bruto) Indonesia serta variable bebasnya yaitu jumlah uang beredar

pengeluaran pemerintah dan Penerimaan pajak. Penelitian ini akan

menggambarkan seberapa besar kebijakan moneter dan fiskal berpengaruh pada

pertumbuhan ekonomi dengan fungsi (Insukindro, 2006).

Model regresi berganda :

Yt = β0 + β1Xt + ɛt

Model umum PAM (Partial Adjustment Model)

Yt = β0 + β1 G + β2 T + β3 M + t-1

Model dalam penelitian ini :

Model regresi berganda OLS :

𝑌𝑡 = 𝛽0 + 𝛽1𝐺 + 𝛽2 𝑇 + 𝛽3𝑀 + 𝜀𝑡

37

Model Partial Adjustment Model :

𝑌𝑡 = 𝛽0 + 𝛽1 𝐺 + 𝛽2 𝑇 + 𝛽3 𝑀 + 𝑌𝑡 − 1

Dapat dirumuskan dalam model yang akan di jadikan sebagai model

penelitian sebagai berikut

Yt = PDB

β0 = Konstanta t-1 = Periode Waktu Tertentu

β1G = Pengeluaran pemerintah

β2T = Pajak

β3M = Uang beredar

3.5 Definisi Operasional Variable

Dalam penelitian ini terdapat dua jenis variable, yaitu variable dependen dan

variable independen. Variable dependen dalam penelitian ini adalah pertumbuhan

ekonomi indonesia yang diukur melalui GDP sedangkan variable independen

dalam penelitian ini adalah jumlah uang beredar, pengeluaran pemerintah dan

penerimaan pajak.

No Variable Keterangan Pengukuran

1

PDB Produk

Domestik Bruto

Jumlah Keseluruhan

hasil produksi industri

pengolahan di indonesia

Di peroleh dari

publikasi Bank

Indonesia serta data

BPS

Pertumbuhan

Ekonomi

Indonesia

38

2

Pengeluaran

Pemerintah

Total pengeluaran

pemerintah atas belanja

rutin maupun belanja

pembangunan dalam

periode tertentu

Di peroleh dari

publikasi Bank

Indonesia serta data

BPS

3 Penerimaan Pajak

Total Penerimaan Pajak

Dalam Negri Dalam

Periode Tertentu

Di peroleh dari

publikasi Bank

Indonesia serta data

BPS

4 Uang Beredar

Total Jumlah Konsumsi

Dalam Negri Dalam

Periode Tertentu

Di peroleh dari

publikasi Bank

Indonesia serta data

BPS

Gambar 1.1 Definisi Operasional Variable

3.6 Uji Stasioneritas (Unit Root Test )

Dalam pengujian ini banyak digunakan peneliti statistika dan ekonometrika

dengan menggunakan alat analisis ( Unit Root Test ). Pertama kali ditemukan oleh

Dickey- Fuller dengan alat analisisnya Uji akar unit Dickey-Fuller (FD). Uji

analisis stasioner untuk mengukur penggunaan data time series sudah stasioner

atau tidak stasioner, apabila data dalam penelitian ini konstan dalam periode

tertentu maka dapat dikatakan stasioner.

39

Stimator yang di dapat secara konsisten dan tidak bias merupakan

penggunaan dalam data stasioner pada model time series. Apabila data yang

dihasilkan tidak stasioner berarti terdapat tidak stabilnya data dan validitasnya,

karena data yang di ambil diragukan atau disebut spurious regresion. Determinasi

yang tinggi akan tetapi hubungan model tidak sama dari hasil regresi disebut

spurious regresion untuk menghindarinya terdapat solusi yaitu dengan mengubah

data dari nonstasioner menjadi data stasioner.

Untuk memperoleh data stasioner yaitu dengan proses diferensiasi atau

disebut sebagai uji derajat integrasi, pada level series akan di dapatkan data

stasioner yang dikatakan sebagai integrated of order zero atau I(0) jika integrated

of order one atau I (1) pada tingkat stasioner pada tahap pertama maka dilanjutkan

pada deferensiasi yang lebih tinggi. Dickey Fuller menyarankan apabila terdapat

data yang mengandung akar unit atau tidak maka menggunakan metode ADF

(Augmented Dickey Fuller) atau Philip – Pheron unit root test. Dengan

menambahkan perlambatan variable deferensiai pada sebelah kanan persamaan

dan memberi masukan unsur AR merupakan hasil uji Augmented Dickey Fuller.

40

Dalam uji stationer hanya menghasilkan data tersebut stasioner atau tidak

stasioner dengan membandingkan antara statistik ADF (PP) dengan statistik

mackimon dengan begitu hipotesis yang digunakan sebagai berikut:

1. Ho = menghasil unit root ( tidak stasioner ) dan Ha menghasilkan tidak adanya

unit root ( stasioner )

2. jika nilai kritis lebih kecil dari nilai absolut statistik PP maka menghasilkan

data stasioner, sedangkan apabila sebaliknya nilai kritis lebih besar di bandingkan

nilai statistik absolut PP maka data yang di hasilkan tidak stasioner.

Dalam pengujian data stationer dengan melihat tingkat probabilitas di atas

0,05 untuk menilai apakah data tersebur stasioner atau tidak (Widarjono, 2009).

Proses diferensiasi dipilih sebagai penelitian stasioner berikutnya, dalam

penelitian time series di gunakan model ekonometrika dengan metode model

penyesuaian atau Partial Adjustment Model ( PAM).

3.7 Alat Analisis

3.7.1 Uji Asumsi Klasik

Untuk melakukan uji asumsi klasik atas data sekunder ini maka, peneliti

melakukan uji normalitas, uji autokorelasi, uji heterokedastisitas, dan uji

multikolinieritas.

41

A) Uji Normalitas

Uji normalitas digunakan untuk mengetahui apakah residual variable

dependen dan independen berdistribusi normal atau tidak. Pengujia normalitas ini

menggunakan normality histogram (Insukindro, 2003:61).

Uji Jarque-Bera atau J-B test adalah uji menggunakan hasil estimasi residual

dan chisquared probability distribusi. Jika nilai J-B hitung < nilai X2 tabel, maka

hipotesis tersebut menyatakan residual berdistribusi normal. Atau dengan nilai

statistik JB didasarkan pada distribusi Chi Squared dengan derajat kebebasan (df)

2. Jika nilai probabilitas statistik JB lebih besar dari α = 5% maka tidak terjadi

permasalahan normalitas.

B) Uji Autokorelasi

Autokorelasi adalah hubungan antara residual satu observasi dengan residual

observasi lainnya. Autokorelasi lebih mudah timbul pada data yang bersifat runtut

waktu, karena berdasarkan sifatnya data masa sekarang dipengaruhi oleh data

sebelumnya. Jika data yang di analisis mengandung autokorelasi maka

menyebabkan estimator bersifat BLUE, tidak lagi BLUE.

Dapat dilakukan dengan cara yaitu menggunakan Uji Breusch – Godfrey, yang

disebut dengan uji LM (Langrange Multiplier). Adapun langkah pengujiannya

dengan membandingkan Obs*R2 dengan X2 pada derajat kebebasan dam derajat

keyakinan tertentu. Jika Obs*R2 < X2 tabel maka H0 di tolak (ada autokorelasi)

atau jika nilai probability > 0.005 atau α = 5% maka tidak terjadi permasalahan

autokorelasi.

42

C) Uji Heterokedastisitas

Heterokedastisitas adalah keadaan dimana faktor pengganggu tidak memiliki

varian yang sama (Winarno, 2007:5.8). Dalam penelitian ini metode yang

digunakan untuk mengetahui masalah heterokedastisitas adalah dengan uji white.

Asumsi yang digunakan adalah jika nilai X2 hitung (Obs*R-Squared) < X2 tabel

atau variable pengganggu dan persamaan regresi mempunyai varian yang sama

maka uji white test tidak memiliki masalah heterokedastisitas. Atau dapat

diketahui dengan melihat nilai probablity Obs*R-Squared > 0.05 atau α = 5%

maka tidak terdapat masalah heterokedastisitas.

D) Uji Multikolinieritas

Multikolinieritas adalah kondisi adanya hubungan linier antara variable

independen. Kondisi terjadinya multikolinieritas dapat ditunjukan dengan

berbagai informasi berikut, yaitu :

1) Nilai R2 tinggi, tapi variable independen banyak yang tidak signifikan.

2) Dengan menghitung koefisien korelasi antarvariabel independen. Apabila

koefisiennya rendah maka tidak terdapat multikolinieritas.

3) Dengan melakukan regresi auxiliary. Regresi ini dapat digunakan untuk

mengetahui hubungan antara dua atau lebih variabel sebagai variabel dependen

dan variabel independen lain tetap diperlakukan sebagai variabel independen.

Pengujian multikolinieritas juga dapat dilakukan dengan metode deteksi

klien, yaitu dengan membandingkan koefisien determinasi auxiliary dengan

koefisien determinasi model regresi aslinya. Jika koefisien determinasi auxiliary

43

lebih besar dari koefisien determinasi model regresi aslinya, maka terjadi

permasalahan multikolinieritas antara variabel independen yang digunakan dalam

model penelitian.

3.7.2 Model Partial Adjustment Model ( PAM)

Untuk mengetahui suatu hubungan variabel keseimbangan jangka panjang

melalui model dinamik yang disebut penyesuaian model atau partial adjustment

model (PAM, sedangkan disequilibrium terjadi pada jangka pendek. Fenomena

ekonomi meliputi banyak variabel untuk mengetahui jangka panjang maupun

jangka pendek dalam model kajian empiris dan konsisten dan keterkaitannya

dengan teori ekonomi (Insukindro, 2006).

Keadaan kesimbangan jangka pendek dan keadaan keseimbangan jangka

panjang, ketika hasil penelitian ini menunjukan signifikan secara statistik maka

penelitian ini valid, model PAM dapat dilihat sebagai berikut model jangka

panjangnya (Insukindro, 2006):

Yt = β0 + β1 Gt + β2 Tt + β3 M + ut

Dimana :

Yt = PDB ut = Error Term

β0 = Konstanta

β1G = Pengeluaran pemerintah

β2T = Pajak

β3M = Uang beredar

44

Persamaan berikut merupakan gambaran penyesuaian parsialnya :

PDBt + PDBt-1 = δ (*PDBt – PDBt-1)

Dengan asumsi bahwa δ adalah koefisien penyesuaian parsialnya serta

memiliki nilai 0 < δ < 1 ; PDBt – PDBt-1 merupakan koefisien nyata,

sedangkan *PDBt – PDBt-1 adalah model yang di harapkan. Di bawah

ini merupakan bentuk persamaan adjustment :

PDBt + PDBt-1 = δ (*PDBt – PDBt-1)

PDBt – PDBt-1 = δ PDB*t – δ PDBt-1

PDBt = δ PDB*t + PDBt-1 – δ PDBt-1

PDBt = δ PDB*t + (1-δ) PDBt-1

Di substitusikan menjadi :

PDBt = δ (β0 + β1 Gt + β2 Tt + β3 Mt + ut) + (1-δ) PDBt-1

PDBt = δβ0 + δβ1 Gt + δβ2 Tt + δβ3 Mt + δut + (1-δ) PDBt-1

Dimana : δ adalah Sigma

Maka di dapatkan model jangka pendeknya sebagai berikut :

PDBt = α0 + α1 Gt + α2 Tt + α3 Mt + ƛ PDBt-1 + ʋt

Dimana : 0 < ƛ < 1.

α0 = δβ0

α1 = δβ1

45

α2 = δβ2

α3 = δβ3

ƛ = (1-δ)

ʋt = δut

3.8 Uji Hipotesis

Pengujian hipotesis adalah hasil untuk menerima keputusan atau tidak

menerima keputusan (Gujarati, 2003). Uji hipotesis dibagi menjadi dua bagian

yaitu uji parsial (Uji t- statistik) dan Uji f- Statistik.

3.8.1 Uji t-statistik

Dalam uji t-statistik ini untuk melihat seberapa besar pengaruh masing

masing variable bebas terhadap variable terikat, Hipothesis alternatif (Alternative

hypothesis) dengan Hipotesis nol (null hyphotesis) merupakan objek dalam uji

hipotesis t-statistik. Membandingkan antara t-tabel dengan t-statistik merupakan

aturan dalam menguji Uji t-statistik, berikut metode t-stastistik (Gujarati, 2012) :

1) Ha : βi = 0 jumlah variabel jumlah uang beredar pengeluaran pemerintah dan

Penerimaan pajak tidak berpengaruh signifikan terhadap pertumbuhan

PDB di indonesia.

H0 : βi ≠ 0 jumlah variabel jumlah uang beredar pengeluaran pemerintah dan

Penerimaan pajak berpengaruh signifikan terhadap pertumbuhan PDB

di indonesia.

46

2) dengan rumus (Df = n –k – 1) dapat menghitung tingkat keyakinan dan tingkat

kritis setiap variable

3) membandingkan jumlah nilai t-tabel dan t-statistik serta mentukannya

Aturan pengambilan keputusan :

a. Jika t-tabel > t-statistik maka Ho diterima apabila sebaliknya t-statistik positif t-

tabel < t-statistik maka H0 di tolak

b. Jika t-tabel > t-statistik maka H0 diterima apabila sebaliknya t-statistik negatif

t-tabel < t-statistik maka H0 di tolak

3.8.2 Uji f-Statistik

Dalam uji f-Statistik ini untuk mengukur seberapa besar pengaruhnya semua

variable bebas terhadap variable dependent serta melihat hasil regresi apakah

signifikan atau tidak signifikan dengan melihat perbandingan antara F-hitung

dengan F-tabel.

Kriteria pengambilan keputusan :

A. Jika F-tabel < F-Statistik maka H0 ditolak dan Ha diterima, yang berarti semua

variable independent berpengaruh signifikan terhadap variable dependen.

B. Jika F-tabel > F- Statistik maka H0 diterima dan Ha ditolak, yang berarti semua

variable independent berpengaruh signifikan terhadap variable dependen.